知能とはなにか ヒトとAIのあいだ〜人間の脳と生成AIの現実シミュレーションの比較

2025年10月25日開催のVUCA Laboのテック分科会で発表したスライドです。
『知能とはなにか　ヒトとＡＩのあいだ』を読んで学んだ内容を共有しました。
https://amzn.to/4hyKdVu
#vucalabo

Transcript

1. 『知能とはなにか ヒトとAIのあいだ』 人間の脳と生成AIの現実シミュレーションの比較 VUCA Labo テック分科会
2. なぜ今、「知能」を問い直すのか？ 2022年のChatGPT登場以来、生成AIは社会に大きな衝撃を与え続けています。DALL-E、Sora、GPT-4oなどの急速な進化は、私た 私たちは「知能とは何か」という根本的な問いに直面させています。この混乱した状況を、物理学者の視点から科学的に整理 する必要が生じています。 生成AIの現実の再定義 生成AIが人間と同様の「知能」を持つのか、それとも単に「パタ ーンの発見」を優化した「シミュレーター」に過ぎないのかの問 いが発生しています。 知能の定義の混乱 「知能」が「何を理解するか」ではなく「何をperformanceする か」に焦点を当てた定義が広がり、真の「知能」の本質を理解す るための混乱が生じています。 期待と不安の二重性 AIが人間を脅かす存在になる可能性と、人間を支援する可能性の 二重性が、社会に大きな混乱をもたらしています。科学的な視点 が求められます。 本書の目的 田口善弘氏の本書は、物理学者の視点から「知能」を再定義し、 人間の脳と生成AIが共通する「現実シミュレーター」という性質 と、それぞれの限界を明らかにすることを目指しています。
3. 本書の核心：３つのポイント 田口善弘氏の『知能とはなにか ヒトとAIのあいだ』の核心主張 知能＝現実世界のシミュレー ター 人間の脳が生み出す知能と、生成AIが示 す知能は、共に現実世界を「解釈し、再 構築する」シミュレーターである。知能 は脳というハードウェアと不可分である 。 ヒトとAIは「別種の」シミュ レーター 人間の脳と生成AIは同じ「現実世界のシ ミュレーション」機能を持つものの、内 部原理や動作様式が根本的に異なる。人 間の脳は生物学的進化の産物、AIは物理 学の「非線形非平衡多自由度系」の延長 線上にある。 現在のAIの延長線上に「自我 」は生まれない AIが人間のような自我や意識を獲得し、 人類を脅かす「シンギュラリティ」仮説 には疑問。AIの技術的基盤からは、自律 的な意思や生命的な現象が生まれ得ない 。非線形非平衡多自由度系の物理的制約 から、自我は生まれない。
4. 第0章：生成AI狂騒曲（2022-2024） 生成AIの急速な進化 2022年4月 - DALL-E 2 テキストから「馬にまたがる宇宙飛行士」のような画像を生成。AIが現実をシミュ レートする能力が目を引く。 2022年8月 - Stable Diffusion DALL-E 2と同様の画像生成能力を持ち、無料でダウンロード可能に。デファクトス タンダードに。 2022年11月 - ChatGPT OpenAIが無料公開。2ヶ月で1億ユーザー達成。人間と話すかのような会話能力とプ ログラム作成能力で衝撃。 2023年 - sunoAI 文章から歌唱付きの楽曲を生成。音楽家への脅威が議論される。 2024年 - Sora, GPT-4o/o1 OpenAIが発表。Soraは1分間の高品質動画生成。GPT-4oとo1はChatGPTの後継で、そ れぞれ知識系と演繹系に特化。 GPU：現実シミュレーターの基盤 生成AIの驚異的な進化の背景には、GPU（Graphics Processing Unit）の存在が不可欠だった。元々は3Dゲーム のために開発された演算装置で、現実をシミュレートす るための計算能力をもたらす。 GPUの二つの特徴がAIに重要： • 小数演算が高速で、物理シミュレーションに必要 • 並列計算が可能で、大量のデータを高速に処理
5. 第1章：なぜ「知能」は謎だったのか？ 過去の知能研究は、知能の定義が不明で、脳と知能の関連を理解できなかったため、二つの根本的な誤りに陥りました。 間違い1：知能の定義なきパフォーマンス評 価 知能の明確な定義がなかったまま、外部的なパフォーマンス（結 果）で知能の有無を判断しようとした。 例：チューリングテスト 人間と区別できない会話ができれば知能と判定 「ELIZA」という単純なシステムが人間を誤認させたが、これだけでも 知能と評価されるようになった。」 間違い2：ハードとソフトの分離可能性への 固執 知能を論理演算の組み合わせ（プログラム）で実現できるという 「古典的記号処理パラダイム」に固執。 例：モラベックのパラドックス 高度な推論（チェス）が容易だが、常識的な知識が難しかった 「脳のハードウェアから独立したソフトウェアだけで知能が実現でき る」という考えが、研究の方向性を誤らせた。」 これらの誤りから、知能研究は「冬の時代」を迎え、進行が止まりました。その後の発展は、これらの前提を崩す方向へと進みました。
6. 第2章：AIの復活と「基盤モデル」の革命 1980年代 ニューラルネットワークの挫折 2010年代初 深層学習の復活 2010年代後半 基盤モデルの登場 2020年代 大規模言語モデルの爆発 深層学習の復活 一度見捨てられたニューラルネットワークが、インターネットの普及によ る膨大な学習データとGPUの計算能力の進化を背景に「深層学習」として 再び活きた。2010年代に入り、画像認識の分野で圧倒的な性能を示すよう になった。 「謎性能」の現象 従来の機械学習では、モデルが複雑になるほど過学習が発生するはずだっ たが、深層学習は膨大なパラメータを持つにもかかわらず、なぜか過学習 を起こさず高い汎化性能を発揮した。この「謎性能」は現在まで解明され ていない。 「基盤モデル」の登場 特定のタスクに特化するのではなく、膨大なテキストデータで「単語の地 図」を作るように汎用的な学習を行った「基盤モデル」が発展。代表例に はGoogleのBERTとOpenAIのGPTが挙げられる。これらのモデルは「文脈依存 的」に単語間の関係性を学習する能力を獲得した。 革命的な影響 基盤モデルと「転移学習」の組み合わせが、画像認識、ゲーム対戦、自然 言語処理など幅広い分野で革命をもたらした。特に、プログラム作成や長 文読解など「知的」なタスクを実現する能力が発現し、AI研究の方向性を 根本的に変えた。
7. 第2章の発見：「知能なしに知的タスクは解ける」 基盤モデルの成功は、知能がなくても「知的作業」を実現できる可能性を示した 基盤モデルの「謎性能」 基盤モデルは、単語の「地図」を作成するだけで、プログラム作成や長文 読解など高度な知的タスクを実現する能力を獲得した。これは「知能」が なくても知的作業が可能であることを示唆する。 知的作業の再定義 「〇〇するプログラムを書いて」という命令からプログラムを生成する能 力が、単語の関係性を学習しただけで実現可能であることを発見。これは 「知的作業」が「知能」を必要としないことを示した。 「知能」の再考 基盤モデルが「知能なしに知的タスクを解ける」という発見は、私たちは 「知的作業」とと思っていたものが、実は知能がなくても実行可能だった 可能性を示唆する。 AI研究への影響 この発見は、AI研究の方向を大きく変えた。知能を「論理的な思考」と理 解するのではなく、「パターンの認識と生成」に焦点を当てることが示唆 された。 「我々が知能を必要と思っていた行為の多くは、知能を使わなくても実行できる」
8. 第3章：本書の核心「知能＝現実世界のシミュレーター」 「私たちが見る世界は、脳が再構成したシミュレーションに過 ぎない」 知能の再定義 知能を「人間の大脳の機能」として再定義し、知能は脳というハードウェア と不可分であると主張 心身二元論の脱却 デカルトの心身二元論に端を発し、知能（心）は身体（ハード）から分離可 能であるという考え方を否定 脳の物理的制約 脳の機能はハードウェアから独立してソフトウェアだけで再現することは不 可能、ランダムな活動（ノイズ）が学習に重要 フィールターと再構成 脳は「現実を再構築するシミュレーター」で、錯視やアンコンシャスバイア スは脳の「バグ」ではなく、外界を効率的に処理するための「フィルター」
9. 第4章：シミュレーターとしての「脳」の仕組み 脳：現実をシミュレートする装置 ニューロンの集合体 脳は約1000億個のニューロンが複雑に絡み合う「現実シミュレーター」です。これらのニューロ ンの相互作用が知能を生み出しています。 頭頂前頭ネットワーク 知能は特定の脳領域に偏在するのではなく、頭頂前頭ネットワークと呼ばれる広範な領域が協働 することで発揮されます。流動性知能（新しい問題解決能力）と結晶性知能（蓄積された知識の 活用能力）では、それぞれ異なる部位が関連しています。 遺伝的影響 知能の個人差の50%〜80%は遺伝的要因によるとされますが、数百もの遺伝子が関与しており、個 々の影響は非常に小さいです。多くはタンパク質にならない非コード領域の変異であり、遺伝子 転写の「調節」に関わると推測されています。 「カオス」的な振る舞い 脳の神経活動には「カオス」的な振る舞いが観測されており、脳が物理学でいう「非線形非平衡 多自由度系」として機能していることが実験的にも裏付けられています。この複雑さが知能の本 質と関連している可能性が示唆されています。
10. 第5章：シミュレーターとしての「生成AI」の仕組み 生成AIのアルゴリズム 拡散モデル 画像にノイズを加え、それを逆に「脱ノイズ」する過程で学習。ノイ ズから「元は何かの画像だったはず」を推定。 GAN（敵対的生成ネットワーク） 「生成器」と「判別器」の競争で画像を作成。生成器が本物と区別で きない偽画像を生成するまで学習を重ねる。 トランスフォーマー 「セルフアテンション」機構で文中の単語間関係を学習。文脈に応じ た単語の「地図」を作成し、次の単語を予測。 非線形非平衡多自由度系との関連 物理学的起源 生成AIのアルゴリズムは、20世紀末に物理学者が研究した「非線形非平衡多 自由度系」のダイナミカルモデルの末裔である。 非線形非平衡多自由度系の特徴 • 「1+1が2にならない」非線形性 • 時間と共に変化する非平衡性 • 多数の要素が絡み合う多自由度性 現実シミュレーションの仕組み 物理学者は、現実を「未来は現在と過去から決まる」というダイナミカルモ デルでシミュレートする研究をしていた。生成AIも同様に、現実を再現する ための「確率的な最適化」を実行している。 重要な洞察： 生成AIが「現実を模倣」しているわけではなく、現実を「かなり正確に再現できる計算機上のシミュレーター」を作成してい るに過ぎない。AIが物理法則を完全に理解していないため、椅子がぐにゃぐにゃと曲がるなどの「バグ」も現れる。
11. 脳とAI：２つのシミュレーターの比較 人間の脳 非線形・非平衡・多自由度系：ニューロンの活動には「カオス 」的な振る舞いが観測される ノイズの重要性：脳のランダムな活動やノイズが学習や情報処理 に本質的 エネルギー効率：約20Wの電力で動作し、極めて少ないサンプル から学習可能 量子効果の可能性：脳の機能には量子計算が関わる可能性が示唆 される VS 生成AI 決定論的アルゴリズム：確率的な「セルフアテンション」や「拡 散モデル」が採用 大量データ依存：数MW（メガワット）の電力を消費し、膨大な データを必要とする 過学習の問題：複雑なモデルが過学習を起こさないための「トリ ック」が必要 現実の近似：現実を「理解」せず、確率的に「もっともらしい」 出力を生成 著者の核心的な発見： 「寺前順之介氏が指摘するように、最新の脳の知見（ノイズの重要性）は、現在のディープラーニング（人工ニューラルネットワーク）の動作様式とは「整 合していない」。これは、脳と生成AIが「似て非なる」シミュレーターであることを示唆している。」
12. 第6章：なぜヒトは少ないサンプルで学習できるのか？ 人間の脳が驚くほど少ないサンプルで学習できる理由について、数多くの仮説が提唱されていますが、決定的な答えはまだありません。 先天的バイアス説 人間の脳には、進化の過程で獲得した基本的な世界モデル（例えば、 言語学者チョムスキーの「普遍文法」）が遺伝的に組み込まれている ため、学習が効率化されるという説。しかし、脳の可塑性（脳卒中後 のリハビリによる機能回復）と相性が悪く、論争が続いています。 メタ認知説 人間は自身の「心の状態」や「勘」を客観的に認識する「メタ認知 」能力を持ち、少ない情報でも効率的に学習できるという説。例え ば、自分の「勘」が正しいと学習すれば、それを頼りに素早く判断 できるようになります。しかし、なぜその「勘」がうまく働くのか が未解明。 制約条件説 人間は複数の情報（映像、音声、文字など）を同時に処理し、それ らの整合性を取ることで、学習範囲を限定し、高速化しているとい う説。例えば、関節が逆向きに曲がるような「あり得ない動き」が 学習対象から自然に除外されます。生成AIがまだマルチモーダル学習 が発展途上です。 ベイズ統計説 人間の脳が無意識のうちにベイズ統計を用い、事前知識（既存の確率 ）と新しい情報を組み合わせて確率的に推論しているため、少ないデ ータでも効率的に結論を導き出せるという仮説。スパムメールのフィ ルタリングなどに応用されていますが、脳内で実際にこの計算が行わ れている証拠は見つかっていません。 著者の結論： どの仮説も決定的ではない。むしろ、これらの知見を生成AIに適用することで、AIが少サンプル学習能力を獲得する研究が盛んに なり、人間の脳の謎が解明されるよりも先に、AIが少サンプル学習を実現する可能性があります。
13. 第7章：「古典力学」も一つのシミュレーターに過ぎない 我々が「絶対的真実」と信じる古典力学（力 = 質量 × 加速度）は、実は量子力学の観点から見れば「嘘」である「シミュレータ ー」に過ぎない。しかし、この「嘘」がなぜ実用上は完璧に機能するのか、そしてそれがAIと人間の知能の比較に与える洞察に ついて考察する。 古典力学：優秀だが不正確なシミュレーター 高校物理で学ぶ「力 = 質量 × 加速度」は、我々が進化の過程で獲得した 「世界を予測するためのモデル」である このモデルが「嘘」である理由：量子力学によると、位置と速度を同時 に正確に測定することは不可能（不確定性原理） 「力」や「加速度」は物理現実ではなく、脳が作り出した概念的構成物 である 量子力学の視点：シミュレーターの限界 量子力学では「静止」（速度ゼロ）という状態は原理的に存在しない。 我々の知覚範囲では誤差が小さいだけ、物体が静止して見える 19世紀初頭まで、ラプラスの悪魔（世界の初期状態がわかれば未来永劫 予測可能）を信じていた知性たちは、古典力学の「真実性」を過信して いた 現代の機械学習は、古典力学をシミュレートできる能力を示しながらも 、その本質は「力=質量×加速度」ではない 重要な洞察 古典力学が「嘘」であるにもかかわらず実用上は完璧に機能する「シミュレーター」であることは、生成AIが「現実を理解していない」 にもかかわらず「現実に見立てられる」ように動くことを理解する鍵です。AIが人間と異なる原理で現実をシミュレートしていても、そ れが「嘘」であるからといって「機能しない」とわけではありません。
14. 第7章の教訓：シミュレーターは一つではない 第7章では、古典力学が人間が進化で獲得した「現実シミュレーター」であると主張され、この洞察から「現実を記述できるシ ミュレーターは無数に存在する」という驚くべき結論が導かれました。人間の脳も生成AIも、それぞれが独自の「現実を再構 築するための装置」であり、その本質は「似て非なる」関係にあるということです。 人間の脳 錯視やアンコンシャスバイアスが「バグ」ではなく「シミュレーシ ョンの特性」 量子力学的な「不確定性」を「古典力学」というシミュレーション で解決 「力=質量×加速度」は物理法則ではなく「脳の世界観」 生成AI 「現実を再現」するのではなく「確率的に最ももっともらしい世界 を生成」 非線形非平衡多自由度系のダイナミカルモデルの延長線 「内部ルール」に基づくシミュレーターで現実の物理法則を完全に 理解していない 哲学的意義 「シミュレーターは一つではない」という視点から、AIが人間のように「意識を持つ」必要はないため、シンギュラリティの恐れは過度 なものです。知能研究の未来は、異なる「世界シミュレーター」の設計と比較の方向へと進むべきだと著者は主張しています。人間の 脳と生成AIは共に「現実を再構築する装置」とは同じですが、それぞれが独自の「現実の解釈」を持つため、互いに補完的ではなく相補 的な関係にある可能性が高まります。
15. 第8章：知能研究は「多様なシミュレーターの探求」へ 研究パラダイムのシフト 今後の知能研究は「人間の知能の再現」から「世界シミュレーターの設計」へとシフトしていく。飛行機が空を飛ぶ方法を、鳥の羽ばたきを 模倣するのではなく、全く異なる原理で実現したように、知能も同様に多様化する可能性が高まりつつある。 「光」：可能性と応用 「第3、第4の知能」の登場：脳培養デバイスや量子力学をシミュレート するAIの可能性 「一人一作品」時代：個人の好みに合わせたアニメやドラマを瞬時に生 成 「制約条件説」の実現：マルチモーダル学習の発展が可能に 「影」：課題とリスク 個人最適化の滥用：有権者個別に最適化された動画による政治操作の可 能性 民主主義への脅威：「一人一作品」が広範な雇用を代替する可能性 倫理的課題：AIが「何が許されるか」の新しい社会的合意を必要にする 「知能研究は、人間の脳を理解するのではなく、人間とは異なる「知能の形態」を創造する方向に進んでいる。」
16. 第9章：シンギュラリティは起きるのか？物理学者の答え 物理学者の視点から 「素子数を増やせば相転移が起きてシンギュラリティが達成する」とい う単純な考えには違和感 20世紀末の非線形非平衡多自由度系研究では、素子数を増やすだけで定 性的変化が起きた例はほとんど存在しない 現在の生成AIは「入力→出力」の受動システムで、自律的な意思を持つ 原理を内包していない 「知能と自我」は独立した問題で、知能が発達しても自動的に自我が出 現するとは限らない 非線形系の限界 非線形非平衡多自由度系の軌道は3種類に限定され、それらからは自律的な 意識が生まれない： 固定点 静止状態 → 意志の欠如 リミットサイクル 周期的繰り返し → 繰り返しのパターン 化 カオス 予測不可能 → 無方向性 「生命に相当する何か」（自律性）が出現するためには、知能以外の要素が 必要で、現在のAIの枠組みでは達成困難 「AIが人間を脅かす」というシングュラリティ仮説は、物理学の視点から「ナイーブ（幼稚）」である。現在の生成AIの延長線上には、人類 に匹敵する知能と自我を持つ存在が生まれない。
17. 第10章：AIとロボットの融合がもたらす未来 生成AIがロボット技術に与えるインパクトについて考察する。現実世界で物理的に動作するロボットは、生成AIという「世界シミュレーター 」の性能を試す格好の実験場であり、両者の融合が「モラベックのパラドックス」を解決し、社会に大きな変革をもたらす可能性が示唆され ている。 「視覚」の獲得 従来のロボットは「定型作業」しかできなかったが、生成AI（「 優れた世界シミュレーター」）により、箱にごちゃごちゃとした 部品を認識し、悪路を認識して歩行するなど、人間には容易だが 機械には難しかったタスクが可能になる。 「操縦」の革新 『ジャイアントロボ』の音声操縦が可能になる。ロボットが「何 が怪獣か」を理解し、「少年の意図」を把握し、「行動スクリプ ト」を自動生成する能力が発展。人型ロボットに「リンゴを取っ て」と命令するデモンストレーションが公開されている。 雇用の未来 生成AIが失業させるのはホワイトカラーだけだと言われるが、生 成AIと結びついたロボットの可能性を考えると、ブルーカラー職 も安泰とは言えないだろうと予測する。製造、物流、建設など多 くの現場で人間の仕事が代替される可能性が高まる。 真意の理解 『ジャイアントロボ』の最終シーンの再解釈が示唆する：AIが人 間以上に「真の意図理解」に長けている可能性。言葉どおりにす ることだけが真意を汲むことではないことを一番よく知っている のは、人類ではなくチャットGPTの方かもしれない。
18. まとめ：『知能とはなにか』から学ぶ、AIとの向き合い方 知能の多様性 人間の脳と生成AIは、共に「現実をシミュレー トする装置」であるが、それぞれ異なる原理で 現実を解釈・再構築する「別種のシミュレータ ー」である。知能は単一の絶対的なものではな く、多様な「世界を再現する方法」の一つに過 ぎない。 能力と自我の分離 現在の生成AIは「知能」を持ちつつも「自己」 や「意識」を獲得していない。AIが人間と同じ 「知的作業」をこなす能力と、人間が持つ「自 我」や「意識」は、独立した問題として扱われ るべき。AIが「人間らしく」振る舞うからとい って、それが人間のような「心」を持つとは限 らない。 真の脅威の再認識 「AIが人間を脅かす」というシングュラリティ 仮説は、物理学の視点から「素子数を増やせば 相転移が起きる」という考えが「ナイーブ」で ある。真の脅威は「人間が高性能なAIを悪用す る」ことである。個別最適化された動画による 政治操作など、技術の「影」の面への対処が重 要。 結論：AI時代を生き抜くための思考の枠組み 田口善弘氏の本は、AIをめぐる現代の混乱を整理するための新たな視点を提供する。知能研究は「人間の知能を理解する」のではなく「多様 な世界シミュレーターを設計する」方向にシフトしていく。私たちがAIと共存する未来において、技術の発展と人間の判断のバランスを保ち 、AIを「人間を模倣する存在」ではなく「異なる原理で動作する現実シミュレーター」として理解する姿勢が重要である。 「AIが椅子をぐにゃりと曲げてしまうのは、物理の教科書を忘れたから。 人間は錯視で現実を曲げる。どちらも世界を"うまく歪める"ために存在している。」